小微信贷的难点往往不在模型，而在「算得清」：一位店主可能同时拥有对公账户、个人卡、聚合收款与开票记录，口径不一、周期不齐，未对齐就喂给评分模型，只会放大噪声。金融AI实验室本阶段把任务拆成两步——先对齐，再定价。
对齐层采用「时间锚点＋金额指纹」做候选匹配：以结算日、手续费、对手方名称做粗筛，再用金额与日期的组合做唯一性校验；无法自动匹配的记录交由模型结合上下文补全，并携带置信度向下游传递。定价层则把对齐后的现金流折算为三个相对稳定的特征：日均净流入、流入离散度、月末余额斜率，作为额度与定价的校准项，而不是替代既有评分卡。
要点：
- 阶段进展：在试点样本中，流水月份对齐率与对手方识别准确率优于纯规则匹配；对无征信记录的小微主体，现金流特征的区分度比申请表字段更稳定。
- 下一步：引入节假日与旺季的季节性剔除，并验证额度建议与实际放款决策的偏离度是否收敛。
评论